特征重建数据
将原图的特征进行提取f,然后不改权重,修改的是原图的数据,使得越来越接近原图。
应用
风格转移
采用的就是特征重建的思想。
提取原图的特征以及待转移风格的特征,然后将特征混合在一起,一直迭代扩展:混合的时候可以加权重吗,不一定是哪一个更深一步
疑惑:PS软件的添加风格,还有重返18岁,是这样的吗?输入一张老年的照片可以还原成18的样子
当时这篇论文的目的是说明了:某一些特征就可以表达出一幅图的风格,可以转移特征,运用到其他图片。但是其实就是纹理,为什么风格转移更多的是印象派,因为纹理更突出。
生成对抗不懂
给一幅图片加上噪音之后,人眼识别的话还是之前的物种,但是计算机已经识别不出来了。
deep dream
以随机图片或者噪音输入x
某一个分类y作为ground truth ,冻结w,优化x得到x’(梯度上升)
softmax是输出的概率,最佳的答案是[0,0,0,1,0,0,,,0],,然后现在不一定了,可能比1还大。这里不断上升,将会无限放大某些特征,生成梦幻的效果,甚至可能出现没有的生物。
deep dream例子—–某985大神